BAB 2

LANDASAN TEORI

Dibawah ini merupakan uraian mengenai teori-teori yang dibutuhkan dalam

menganalisa dan memecahkan permasalahan yang ada, dengan mengacu pada

sejumlah literatur. Teori yang dijelaskan mencakup pengertian dan ruang lingkup

maintenance dan reliability.

2.1 Pengertian Maintenance

Menurut Assauri (1999, p 95) Maintenance dapat diartikan sebagai suatu kegiatan

atau usaha untuk merawat atau menjaga suatu fasilitas atau peralatan dan

mengadakan perbaikan atau penyesuaian yang diperlukan supaya fasilitas atau

peralatan tersebut dapat dipakai secara produktif dan mempunyai umur yang relatif

lama, atau dengan kata lain teknik perawatan adalah suatu sistem kegiatan untuk

menjaga, memelihara, mempertahankan, mengembangkan dan memaksimumkan

daya guna dari segala sarana yang ada didalam suatu perusahaan atau pabrik sehingga

modal yang ditanam di dalamnya dapat dirawat secara ekonomis.

Pelaksanaan dari perawatan ini memerlukan beberapa hal penting, diantaranya:

1. Orang yang berwenang atau bertanggung jawab terhadap pelaksanaanya.

2. Perencanaan dan penjadwalan perawatan.

3. Pengawasan untuk menjaga agar tujuan perawatan dapat terpenuhi.

4. Diperlukan pula penyelesaian jika terjadi suatu penyimpangan, perubahan

terhadap kinerja produksi.

Peranan bagian maintenance ini tidak hanya menjaga agar kegiatan dapat berjalan

baik, akan tetapi untuk menjaga agar kegiatan dapat berjalan secara efisien dengan

menekan atau mengurangi kemacetan-kemacetan pada fasilitas atau peralatan tersebut

menjadi seminimum mungkin.

Jadi dengan adanya kegiatan maintenance ini maka fasilitas atau peralatan dapat

dipergunakan sesuai dengan rencana dan diharapkan dapat menurunkan tingkat

kerusakan selama peralatan tersebut dipergunakan.

2.2 Tujuan Maintenance

Adapun tujuan utama dari fungsi maintenance, menurut Assauri (1999, p 95)

adalah :

1. Kemampuan berproduksi dapat memenuhi kebutuhan sesuai dengan rencana

produksi.

2. Menjaga kualitas pada tingkat yang tepat untuk memenuhi apa yang dibutuhkan

oleh produk itu sesuai dan kegiatan produksi yang tidak terganggu.

3. Untuk membantu mengurangi pemakaian dan penyimpangan yang diluar batas

dan menjaga modal yang diinvestasikan dalam perusahaan selama waktu yang

ditentukan sesuai dengan kebijaksanaan perusahaan mengenai investasi tersebut.

4. Untuk mencapai tingkat biaya maintenance serendah mungkin, dengan

melaksanakan kegiatan maintenance secara efektif dan efisien.

5. Menghindari kegiatan maintenance yang dapat membahayakan keselamatan para

pekerja.

6. Mengadakan suatu kerja sama yang erat dengan fungsi-fungsi utama lainnya dari

suatu perusahaan, dalam rangka untuk mencapai tujuan utama perusahaan yaitu

tingkat keuntungan atau return of investment yang sebaik mungkin dan total biaya

yang terendah.

2.3 Jenis-Jenis Maintenance

Kegiatan maintenance yang dilakukan dalam suatu perusahaan atau pabrik dapat

dibedakan atas lima macam yaitu :

2.3.1 Preventive Maintenance

Yang dimaksud dengan preventive maintenance adalah kegiatan pemeliharaan

dan perawatan yang dilakukan untuk mencegah timbulnya kerusakan-kerusakan yang

tidak terduga dan menemukan kondisi atau keadaan yang dapat menyebabkan

fasilitas atau peralatan tersebut mengalami kerusakan pada waktu digunakan.

Jadi, pemeliharaan preventif meliputi pola rutin inspeksi dan pelayanan. Kegiatan

ini dilakukan untuk mengetahui kondisi kegagalan potensial dan melakukan

penyesuaian atas perbaikan kecil yang dapat membantu mencegah permasalahan

operasi yang besar. Pemeliharaan fasilitas yang rusak sama sekali (breakdown

maintenance) adalah bersifat gawat, dimana fasilitas atau peralatan dipakai hingga

gagal beroperasi yang kemudian harus diperbaiki, dan akan memakan biaya ekstra.
 Dengan demikian semua fasilitas atau peralatan yang mendapatkan preventive

maintenance akan terjamin kelancaran kerjanya dan selalu diusahakan dalam kondisi

atau keadaan yang siap dipergunakan untuk setiap operasi pada setiap saat.

Preventive maintenance ini sangat penting karena kegunaanya yang sangat efektif

didalam menghadapi fasilitas atau peralatan tersebut yang termasuk dalam golongan

“critical unit”. sebuah fasilitas atau peralatan akan termasuk dalam golongan “critical

unit”, apabila :

1. kerusakan fasilitas atau peralatan tersebut akan membahayakan kesehatan atau

keselamatan para pekerja.

2. kerusakan fasilitas ini akan mempengaruhi kualitas dari produk yang dihasilkan.

3. kerusakan fasilitas atau peralatan tersebut akan menyebabkan kemacetan seluruh

proses kegiatan.

Preventive maintenance dapat dibedakan atas routine maintenance dan periodic

maintenance. Routine maintenance adalah kegiatan pemeliharaan dan perawatan yang

dilakukan secara rutin, misalnya kegiatan pembersihan fasilitas atau peralatan pabrik.

Periodic maintenance adalah kegiatan pemeliharaan dan perawatan yang secara

periodic atau dalam jangka waktu tertentu. Misalnya setiap 1 minggu sekali, lalu

meningkat menjadi 1 bulan sekali dan seterusnya.

2.3.2 Corrective atau Breakdown Maintenance

Corrective atau Breakdown Maintenance adalah kegiatan pemeliharaan dan

perawatan yang dilakukan setelah terjadinya suatu kerusakan atau kelainan pada

fasilitas atau peralatan sehingga tidak dapat berfungsi dengan baik. Kegiatan

corrective maintenance yang dilakukan sering disebut dengan kegiatan perbaikan

atau reparasi. Perbaikan yang dilakukan karena adanya kerusakan yang dapat terjadi

akibat tidak dilakukannya preventive maintenance ataupun telah dilakukan preventive

maintenance tetapi sampai pada suatu waktu tertentu fasilitas atau peralatan tersebut

tetap rusak.

2.3.3 Reactive Maintenance

Reactive maintenance adalah kegiatan pemeliharaan yang dilakukan sebagai

respon terhadap breakdown unit yang tidak terencana, umumnya sebagai hasil dari

kegagalan baik yang bersifat internal ataupun yang bersifat eksternal. Yang termasuk

kedalam reactive maintenance adalah corrective maintenance.

2.3.4 Proactive Maintenance

Proactive maintenance adalah pemeliharaan yang dilakukan secara teratur dan

terencana tanpa menunggu mesin rusak terlebih dahulu, sehingga dapat meminimasi

kemungkinan terjadinya breakdown akibat kerusakan mesin. Yang termasuk dalam

Proactive maintenance adalah preventive maintenance dan predictive maintenance.

2.3.5 Predictive Maintenance

Predictive maintenance adalah pemeliharaan yang dilakukan melalui analisa

secara fisik terhadap peralatan atau komponen dengan bantuan pengukuran

instrument tertentu seperti alat pengukur getaran, temperatur, pengukur suara dan

lain-lain untuk mendeteksi kerusakan sedini mungkin.

2.4 Masalah Efisiensi Dalam Maintenance

Didalam melaksanakan kegiatan maintenance terdapat dua persoalan yang

dihadapi oleh suatu perusahaan yaitu persoalan teknis dan persoalan ekonomis.

Adapun yang merupakan persoalan teknis dalam hal ini adalah persoalan yang

menyangkut usaha-usaha untuk menghilangkan kemungkinan-kemungkinan

timbulnya kemacetan yang disebabkan karena kondisi fasilitas atau peralatan

produksi yang tidak baik. Tujuan yang akan dicapai dalam mengatasi persoalan teknis

ini adalah untuk dapat menjaga atau menjamin agar kegiatan dapat berjalan lancar.

2.5 Tugas-Tugas Dari Pada Maintenance

Semua tugas-tugas dari pada maintenance dapat digolongkan kedalam salah satu

dari lima tugas pokok yang berikut :

1. Inspeksi (Inspection)

Kegiatan inspeksi meliputi kegiatan pengecekan atau pemeriksaan secara berkala

(Routine Schedule Check) peralatan sesuai dengan rencana serta kegiatan

 pengecekan atau pemeriksaan terhadap peralatan yang mengalami kerusakan dan

membuat laporan-laporan dari hasil pengecekan atau pemeriksaan tersebut.

2. Kegiatan Teknik (Engineering)

Kegiatan teknik ini meliputi kegiatan-kegiatan percobaan atas peralatan yang baru

dibeli, dan kegiatan-kegiatan pengembangan peralatan atau komponen peralatan

yang perlu diganti, serta melakukan penelitian terhadap kemungkinan

pengembangan tersebut.

3. Kegiatan Produksi (Production)

Kegiatan Produksi merupakan kegiatan maintenance yang sebenarnya, yaitu

memperbaiki dan mereparasi mesin-mesin dan peralatan.

4. Pekerjaan Administrasi (Clerical Work)

Pekerjaan Administrasi merupakan kegiatan yang berhubungan dengan

pencatatan-pencatatan mengenai biaya yang terjadi dalam melakukan pekerjaan

maintenance.

5. Pemeliharaan Bangunan (Housekeeping)

Kegiatan pemeliharaan bangunan merupakan kegiatan untuk menjaga agar

bangunan atau gedung tetap terpelihara dan terjamin kebersihannya.

2.6 Konsep Reliability

Tujuan utama dari sistem perawatan adalah menjaga proses produksi agar berjalan

dalam kondisi operasi yang optimum. Optimum di sini berarti dapat memenuhi

permintaan yang diterima, usaha ini juga berarti menjaga keandalan setiap fasilitas

secara keseluruhan.

Secara umum keandalan diartikan sebagai peluang suatu fasilitas memiliki kinerja

sesuai dengan yang ditetapkan dalam kurun waktu dan kondisi operasi tertentu.

Ada 4 (empat) hal yang perlu diperhatikan sehubungan dengan pengertian

keandalan, yaitu :

1. Probabilitas.

Setiap item dari suatu sistem memiliki umur dan waktu hidup yang berbeda-beda

sehingga terdapat sekelompok item yang memiliki rata-rata hidup tertentu. Jadi

untuk mendefinisikan distribusi frekuensi dari suatu item dapat dicari dengan

melakukan estimasi waktu hidup dari item tersebut

2. Kemampuan yang diharapkan

Hal ini menunjukkan bahwa keandalan merupakan suatu karakteristik

performansi sistem, dimana suatu sistem yang andal harus dapat menunjukkan

performansi yang memuaskan jika dioperasikan.

3. Waktu

Keandalan suatu sistem pada umumnya dinyatakan dalam suatu periode waktu,

karena waktu merupakan parameter yang penting untuk melakukan penilaian

kemungkinan suksesnya suatu sistem. Biasanya faktor waktu tersebut dikaitkan

 dengan kondisi tertentu, seperti waktu antar kerusakan (mean time to failure) dan

sebagainya.

4. Kondisi operasi tertentu

Dalam hal ini dijelaskan bagaimana perlakuan yang diterima oleh sistem dalam

menjalankan fungsinya, misal dua sistem dengan tingkat mutu sama dapat

memberikan tingkat keandalan yang berbeda dalam kondisi operasionalnya

(kondisi temperatur dan tingkat kebisingan dimana sistem dioperasikan).

2.7 Konsep Avaibility

Menurut Ebeling (1997, p 6) avaibility adalah peluang suatu komponen untuk

dapat beroperasi sesuai dengan fungsinya pada waktu tertentu ketika digunakan pada

kondisi operasi yang telah ditentukan.

Sedangkan menurut Kapur (1997, p 226) avaibility merupakan suatu konsep yang

berhubungan erat dengan probabilitas suatu peralatan untuk melakukan operasi secara

memuaskan pada kondisi tertentu.

2.8 konsep perawatan (Maintenance)

Menurut Ebeling (1997, p 6) Perawatan atau maintenance didefinisikan sebagai

probabilitas bahwa suatu komponen atau sistem yang rusak akan diperbaiki dalam

jangka waktu tertentu.

2.9 Konsep Down Time

Downtime merupakan waktu menganggur atau waktu dimana suatu unit tidak

dapat lagi menjalankan fungsinya sesuai dengan yang diharapkan. Hal ini dapat

terjadi apabila suatu unit mengalami masalah seperti kerusakan mesin yang dapat

mengganggu performansi dari mesin secara keseluruhan termasuk mutu produk yang

dihasilkan atau kecepatan produksinya sehingga membutuhkan waktu tertentu untuk

mengembalikan fungsi unit tersebut pada kondisi awal.

Downtime memiliki beberapa unsur, yaitu :

1. Supply delay, merupakan waktu yang dibutuhkan untuk personal maintenance

untuk memperoleh komponen yang dibutuhkan dalam proses perbaikan. Supply

delay dapat terdiri atas lead time administrasi, lead time produksi dan waktu

transportasi komponen pada lokasi perbaikan.

2. Maintenance delay, merupakan waktu yang dibutuhkan untuk menunggu

ketersediaan sumber daya maintenance untuk melakukan proses perbaikan.

sumber daya maintenance dapat berupa personal, alat Bantu dan alat tes.

3. Access time, merupakan waktu untuk mendapatkan akses ke komponen yang

mengalami kerusakan.

4. Diagnosis time, merupakan waktu yang dibutuhkan untuk menentukan penyebab

kerusakan dan langkah perbaikan yang harus ditempuh untuk memperbaiki

kerusakan.
5. Repair or replacement unit, merupakan waktu aktual yang dibutuhkan untuk

menyelesaikan proses pemulihan setelah permasalahan dapat diidentifikasikan

dan akses ke komponen yang rusak dapat dicapai.

6. Verification and aligment, merupakan waktu untuk memastikan bahwa fungsi

daripada suatu unit telah kembali pada kondisi operasi semula.

2.10 Mean Time To Failure

Mean Time To Failure (MTTF) adalah nilai rata-rata atau nilai yang diharapkan

(expected value) dari suatu distribusi kerusakan ang didefinisikan oleh f(t) sebagai

berikut : (Ebeling, hal 26)

∞
MTTF = E (T ) = ∫ t ⋅ f (t )dt
0

Sedangkan (Ebeling, hal 24) :

dF (t ) dR(t )
f (t ) = = Sehingga,
dt dt

dR (t )
∞
MTTF = ∫ − tdt
0
dt

∞
MTTF = −tR(t ) ∞0 + ∫ R(t )dt (Ebeling, 1997, p 35)
0

∞
MTTF = ∫ R(t )dt
0
Perhitungan MTTF untuk masing-masing distribusi adalah sebagai berikut :

1
• Distribusi Exponential : MTTF =
λ

⎧ ⎛ 1 ⎞⎫
• Distribusi Weibull : MTTF = θ ⎨Γ⎜⎜1 + ⎟⎟⎬ = θ {Γ( x )}
⎩ ⎝ β ⎠⎭

⎛ ⎞
2
s
• Distribusi Lognormal : MTTF = t med .⎜ exp 2 ⎟
⎜ ⎟
⎝ ⎠

• Distribusi Normal : MTTF = μ

2.11 Fungsi Kepadatan Peluang

Bila x menyatakan variabel acak kontinyu (continuous random variable) sebagai

waktu kerusakan dari sistem (peralatan) dari jumlah kerusakan pada suatu waktu, dan

mempunyai fungsi distribusi fx yang kontinyu di setiap titik sumbu nyata, fx

dikatakan fungsi kepadatan peluang (probability density function) dari variabel x.

Bila x dapat bernilai nyata (x ≥ 0) pada interval waktu , harus memenuhi persyaratan

sebagai berikut :

f x (t ) ≥ 0 untuk t ≥ 0

Sehingga,

∫ f (t )dt = 1
0
x
2.12 Fungsi Distribusi Kumulatif

Fungsi distribusi kumulatif merupakan fungsi yang menggambarkan probabilitas

terjadinya kerusakan sebelum waktu t. Probabilitas suatu sistem atau peralatan

mengalami kegagalan dalam beroperasi sebelum waktu t, yang merupakan fungsi dari

waktu yang secara matematis dapat dinyatakan sebagai :

(Ebeling, hal 23 – 24)

F (t ) = P( x < t )

Atau

t
F (t ) = ∫ f (t )dt untuk t ≥ 0
0

Dimana : F(t) adalah fungsi distribusi kumulatif

f(t) adalah fngsi kepadatan peluang

Jika t → ∞ maka F(t) = 1

2.13 Fungsi Reliability

Didefinisikan sebagai probabilitas dari sistem atau komponen yang akan berfungsi

pada suatu periode waktu t. Untuk menyatakan hubungan maematis, dapat dinyatakan

continuous random variable x sebagai fungsi waktu terhadap kerusakan sistem atau

komponen, dan x ≥ 0, dapat dinyatakan :

R(t) = P(x ≥t) dengan R(t) merupakan distribusi reliability (kehandalan).

Dilihat dari waktu kerusakan atau kegagalan, variabel x yang memiliki fungsi

kepadatan f(t), maka dinyatakan :

R(t ) = 1 − F (t )

t ∞
R (t ) = 1 − ∫ f (t )dt untuk t ≥ 0 R (t ) = ∫ f (t )dt
0 0

Luas keseluruhan kurva sama dengan 1 sehingga dapat dinyatakan bahwa nilai

probabilitas fungsi kehandalan dan fungsi distribusi kumulatif berada diantara 0 dan

1, yaitu 0 ≤ R(t) ≤ 1 atau 0 ≤ f(t) ≤ 1.

2.14 Distribusi Untuk Menghitung Reliability

Dalam teori reliability, variabel yang dipakai adalah variabel acak, kontinu.

Seperti jarak, waktu, putaran dan temperatur. Bila variabel acak adalah diskrit, maka

fungsi kegagalan tidak dapat ditentukan. Distribusi yang sering digunakan dalam

teori reliability adalah :

2.14.1 Exponential Distribution

Menurut Steven Nahmias (2001, p 721), exponential distribution ini memilki laju

kerusakan yang konstan terhadap waktu. Menurut Ebeling (1997, p 41), jika terdapat

peralatan yang memilki laju kerusakan tetap, maka dapat dipastikan termasuk dalam

exponential distribution. Distribusi ini merupakan distribusi yang paling popular

digunakan dalam teori keandalan. Exponential distribution merupakan distribusi yang

paling mudah dianalisa. Parameter distribusi exponential adalah λ ( laju kerusakan )

Menurut Ebeling (1997, p 42), fungsi-fungsi exponential distribution adalah:

1. Fungsi kepadatan peluang

 f (tλ ) = λexp (− λt )

f (t ) = λe (− λt ) ; untuk t ≥ 0 , λ > 0, dan dengan t = waktu

2. Fungsi distribusi kumulatif

f (t ) = 1 − exp(− λt )

f (t ) = 1 − e (− λt )

3. Fungsi keandalan

R (t ) = e (− λt )

4. Fungsi laju kerusakan

f (t )
λ (t ) = =λ
R(t )

5. Nilai rata-rata dari exponential distribution

⎛1⎞
MTTF = ⎜ ⎟
⎝λ⎠

6. Variasi (σ2) dan standar deviasi (σ)

∞ 2
⎛ 1⎞ 1
σ = ∫ ⎜ t − ⎟ .λe −λt .dt = 2
2

0⎝
λ⎠ λ

1
σ2 =
λ
2.14.2 Weibull Distribution

Weibull distribution ini merupakan distribusi yang muncul hampir pada semua

karakteristik kegagalan produk. Weibull distribution yang banyak digunakan adalah

dalam bentuk dua parameter yaitu parameter skala dan bentuk.

Menurut Ebeling (1997, p 17), fungsi-fungsi dalam weibull distribution yaitu :

1. Fungsi kepadatan peluang

β −1 ⎛t ⎞
β⎛t⎞ ⎜ ⎟β
f (t ) = ⎜ ⎟ .e ⎝θ ⎠
untuk t ≥ 0
θ ⎝θ ⎠

2. Fungsi distribusi kumulatif

⎛t⎞
−⎜ ⎟ β
f (t ) = 1 − e ⎝θ ⎠

3. Fungsi keandalan

⎛ t ⎞
⎜ − ⎟β
R(t ) = e ⎝ θ⎠

β −1
β⎛t⎞
λ (t ) = ⎜ ⎟
θ ⎝θ ⎠

4. Nilai rata-rata waktu kerusakan dalam weibull distribution

⎛ 1⎞
MTTF = (θ ).Γ⎜⎜1 + ⎟⎟
⎝ β⎠

Γ( x ) = (x − 1).Γ( x − 1)

dimana :

r (x) = fungsi gamma

5. Variasi (σ2)

⎧⎪ ⎛ 2⎞ ⎡ ⎛ 1 ⎞⎤ ⎫⎪
2

σ = (θ ) ⎨r.⎜⎜1 + ⎟⎟ − ⎢r ⎜⎜1 + ⎟⎟⎥ ⎬

2 2

⎪⎩ ⎝ β ⎠ ⎣ ⎝ β ⎠⎦ ⎪⎭

Weibull distribution sering dipakai sebagai pendekatan untuk mengetahui

karakteristik fungsi kerusakan karena perubahan nilai ini akan mengakibatkan weibull

distribution mempunyai sifat tertentu ataupun ekivalen dengan distribusi tertentu.

Perubahan nilai (β) yang terjadi di jelaskan pada tabel dibawah ini. Menurut Ebeling

(1997, p 64)

Tabel 2.1 Tabel parameter bentuk (β) weibull distribution

Nilai Sifat
0<β<1 Fungsi kerusakan menurun / descreasing failure rate (DFR)
β=1 Fungsi kerusakan konstan / constant failure rate (CFR)
Exponential Distribution
1<β<2 fungsi kerusakan meningkat / Increasing failure rate (IFR)
β=2 fungsi kerusakan linier / Linier failure rate (LFR)
β>2 fungsi kerusakan meningkat / Increasing failure rate (IFR)
3≤β≤4 fungsi kerusakan meningkat / Increasing failure rate (IFR)
normal distribution
2.14.3 Normal Distribution

Normal distribution sering kali disebut juga dengan Gaussion distribution, dimana

distribusi ini memiliki ciri-ciri simetris disekitar rataan dengan sebaran dari distribusi

yang ditentukan oleh σ. Normal distribution ini sangat cocok untuk menggambarkan

fenomena kelelahan atau kondisi wear out dari suatu sistem.

Fungsi-fungsi dari normal distribution, yaitu :

1. Fungsi kepadatan peluang

⎛ − (t − μ )2 ⎞
⎜ ⎟
1
F (t ) =
⎜ 2.σ 2 ⎟
e ⎝ ⎠
untuk − ∞ < t < ∞
σ 2π

dimana : t adalah waktu

2. Fungsi distribusi kumulatif

⎛t −μ ⎞
F (t ) = Φ⎜ ⎟
⎝ σ ⎠

3. Fungsi keandalan

⎛t −μ ⎞
R(t ) = 1 − Φ⎜ ⎟
⎝ σ ⎠

4. Nilai rata-rata waktu kerusakan dalam normal distribution

f (t ) f (t ) f (t )
λ (t ) = = =
R(t ) 1 − F (t ) ⎛t −μ ⎞
1 − Φ⎜ ⎟
⎝ σ ⎠
2.14.4 Log Normal Distribution

Log Normal distribution mengenal 2 parameter yaitu S sebagai parameter bentuk

dan t med sebagai parameter lokasi, yang merupakan nilai tengah dari waktu

kerusakan.

Fungsi-fungsi dari log normal distribution, yaitu :

1. Fungsi kepadatan peluang

⎛ 1 ⎛ ⎞
2 ⎞
⎜− ⎜
t
⎟ ⎟
1 ⎜⎜ 2 s 2 .⎜ ln t ⎟ ⎟⎟
F (t ) = ⎝ ⎝ ⎠ ⎠
.e untuk t ≥ 0
med

2πst

2. Fungsi distribusi kumulatif

⎛1 ⎞
F (t ) = Φ⎜⎜ . ln
t
⎟⎟
⎝s t med ⎠

3. Fungsi keandalan

⎛1 ⎞
R (t ) = 1 − Φ⎜⎜ . ln
t
⎟⎟
⎝s t med ⎠

4. Nilai rata-rata waktu kerusakan dalam normal distribution

⎛1 t ⎞
Φ⎜⎜ . ln ⎟⎟
λ (t ) = ⎝ ⎠
s t med
s.t.(R(t ))

5. Variasi (σ2)

σ 2 = t med 2 .e.(s 2 ).[e.(s 2 ) − 1]

Distribusi ini didefinisikan untuk nilai t positif, oleh karena itu lebih sesuai untuk

normal distribution sebagai distribusi kerusakan.

2.15 Identifikasi Distribution

Dengan mengumpulkan data dari downtime, pencocokan distribusi secara teoritis

dapat dipandang sebagai tiga tahapan proses yang terdiri dari identifikasi distribusi,

pendugaan parameter, dan menampilkan uji kebaikan distribusi data (goodness of fit

test).

2.15.1 identifikasi awal

Distribusi kerusakan yang terjadi pada mesin, akan dilakukan dengan pendekatan

exponential, weibull, log normal dan normal.

2.15.2 Pendugaan parameter distribusi

Pendugaan parameter setelah proses identifikasi awal digunakan untuk menaksir

parameter dari distibusi yang terpilih pada proses identifikasi awal. Parameter dari

distribusi hanya dapat diduga diestimasi) dan tidak dapat secara tepat diketahui

karena tidak ada suatu metodepun yang dapat mengetahui dengan tepat parameter

suatu distribusi berdasarkan data sampel yang diambil.

Pada penjelasan sebelumnya, pendugaan parameter dapat dihitung bersama-sama

dengan identifikasi awal distribusi yaitu dengan menggunakan metode Least Square

Fit, tetapi metode tersebut umumnya kurang disukai. Metode pendugaan parameter

yang lebih sering digunakan adalah Maximum Likelihood Estimator (MLE).

 Secara umum, untuk menemukan MLE dari setiap distribusi teoritis, kita harus

mencari nilai maksimum dari likelihood function berikut yang mengandung sejumlah

parameter θ1 ,..., θ k yang tidak diketahui (Ebeling, p375)

n
L(θ1 ,..., θ k ) = ∏ f t1 θ1 ,..., θ k
i =1

Tujuan MLE adalah menemukan nilai parameter θ1 ,..., θ k yang dapat memberikan

likelihood function yang sebesar mungkin untuk setiap nilai t1,t2,..,tn. Karena bentuk

perkalian dari likelihood function, umumnya lebih mudah untuk memecahkan

logaritma dari likelihood function. Nilai maksimum likelihood function diperoleh

dengan mengambil turunan pertama dari logaritma likelihood function = 0, yaitu :

∂ ln L(θ1 ,..., θ k )
=0 i = 1,2,...,k
∂θ1

• Eksponensial MLE

Adapun nilai MLE untuk parameter dari distribusi eksponensial adalah sebagai

berikut :

r
λ=
T

Dimana : r = n = jumlah data kerusakan

r
T = ∑ t i yaitu jumlah waktu kerusakan
i =1
• Weibull MLE

Adapun turunan pertama likelihood function untuk distribusi Weibull adalah

sebagai berikut :

∑ t
r β
ln t i 1 1
g (β ) = i =1 i
− − ln t i = 0
∑ β r
r β
t
i =1 i

Tujuan MLE adalah mendapatkan nilai β dari persamaan diatas. Permasalahannya

adalah persamaan di atas tidak dapat dipecahkan secara matematis. Maka cara

alternatifnya adalah menggunakan metode Newton Rhapson untuk memecahkan

persamaan non linear yaitu dengan menggunakan persamaan :

g (β j ) dg ( x )
β j +1 = β j − dimana g ' ( x ) =
g (β j +1 ) dx

Yang harus dipecahkan secara iterasi sampai mencapai nilai β j yang maksimum

(atau nilai g(β) yang mendekati nol).

Maka terlebih dahulu adalah mencari turunan pertama dari g(β) yaitu

2
⎛ r β 2 ⎞⎛ r β ⎞ ⎛ r β ⎞
⎜ ∑ t i ln t i ⎟⎜ ∑ t i ⎟ − ⎜ ∑ t i ln t i ⎟
g ' (β ) = ⎝ i =1 ⎠⎝ i =1 ⎠ ⎝ i =1 ⎠ + 1
⎛ r β⎞
2
β2
⎜ ∑ ti ⎟
⎝ i =1 ⎠

Untuk membantu mempermudah penyelesaian iterasi metode Newton Rhapson

maka disarankan nilai β j awal yang digunakan adalah nilai β yang didapat melalui

metode Least Square.

Kemudian nilai MLE untuk θ didapat dari persamaan berikut :

 1
) ⎧1 ⎡ n ⎤⎫ β
θ = ⎨ ⎢∑ t i β ⎥ ⎬
⎩ n ⎣ i =1 ⎦ ⎭

• Normal MLE

Adapun nilai MLE untuk parameter dari distribusi normal adalah sebagai berikut :
)
μ=x

)
σ2 =
(n − 1)s 2
n

• Lognormal MLE

Adapun nilai MLE untuk parameter dari distribusi lognormal adalah sebagai berikut :

) n
ln t i
μ =∑
i =1 n
)
t med = eμ

) 2
∑ (ln t − μ)
n
)
s= i =1 i

2.16 Uji Kecocokan Distribusi Dari Suatu Asumsi Distribusi

Ketika suatu distibusi suatu data (waktu kerusakan) telah diasumsikan

sebelumnya, dimana asumsi tersebut bisa ditentukan melalui bentuk umum atau

bentuk dari plot data dalam suatu grafik. Validitas dari asumsi distribusi dapat

diketahui melalui suatu pengujian atau test. Hasil pengujian tersebut mempunyai dua

kemungkinan, yaitu asumsi distribusi bisa diterima atau ditolak.

2.17 Uji Goodness Of Fit Test

Uji ini membandingkan hipotesa nol (H0) dengan suatu hipotesa alternatif (H1),

dengan mengambil bentuk :

H0 : Data waktu kerusakan berasal dari distribusi yang diuji.

H1 : Data waktu kerusakan tidak berasal dari distribusi yang diuji.

Uji ini menghitung secara statistik berdasarkan data sample (misalnya data sample

waktu kerusakan). Hasil perhitungan ini dibandingkan dengan nilai kritis yang

diperoleh dari tabel. Umumnya, jika hasil perhitungan statistik lebih kecil daripada

nilai kritis hipotesa nol diterima, apabila hasilnya sebaliknya hipotesa alternatif yang

diterima. Nilai kritis tergantung pada derajat kepercayaan pengujian sample.

2.17.1 Barlet Test untuk Pengujian Distribusi exponential

Barlet Test termasuk pengembangan test yang spesifik untuk distribusi exponential.

Hipotesisnya berupa (Ebeling,1997,p339) :

H0 : Data waktu antar kerusakan berdistribusi exponential

H1 : Data waktu antar kerusakan tidak berdistribusi exponential

Uji Statistik :

⎡ r r
⎤
2r ⎢ln(1 / r )∑ t i − (1 / r )∑ ln t i ⎥
B= ⎣ u i =1 ⎦
1+
( r + 1)
6r

dimana : ti adalah waktu kerusakan ke i

r adalah jumlah kerusakan

 B adalah nilai uji statistik untuk uji Barlett Test

Data waktu antar kerusakan mengikuti distribusi exponential jika X2(1-α/2,r-1) < B <

X2(α/2,r-1)

2.17.2 Mann’s Test untuk Pengujian Distribusi Weibull

Mann’s Test termasuk pengembangan test yang spesifik untuk distribusi Weibull

yang dilakukan oleh Mann, Schafer, dan Singpurwalla (1974). Hipotesisnya berupa

(Ebeling,1997,p400-401) :

H0 : Data waktu antar kerusakan berdistribusi Weibull.

H1 : Data waktu antar kerusakan tidak berdistribusi Weibull.

Uji Statistik :

r −1
⎛ ln t i +1 − ln t i
⎞
k1 ∑ ⎜⎜
i = ki +1 ⎝
⎟⎟
M =
Ma
= ⎠ Mi
Mb ki
⎛ ln t − ln t i ⎞
k 2 ∑ ⎜⎜ i +1 ⎟⎟
i =1 ⎝ Mi ⎠

M i = Z i +1 − Z i

⎡ ⎛ i − 0.5 ⎞⎤
Z i = ln ⎢− ln⎜1 − ⎟⎥
⎣ ⎝ n + 0.25 ⎠⎦

dimana :

ti = data waktu antar kerusakan ke-i.

N = jumlah data waktu antar kerusakan suatu komponen.

Mi = nilai pendekatan Mann untuk data ke-i.

M = nilai perhitungan distibusi Weibull.

M0.05,k1,k2 = nilai distribusi Weibull.

r = banyaknya data.

r/2 = bilangan bulat terbesar yang lebih kecil dari r/2.

K1 = r/2.

K2 = (r-1)/2

Data waktu antar kerusakan mengikuti distribusi Weibull jika : M perhitungan <

M0.05,k1,k2 (H0 diterima dan H1 ditolak)

2.17.3 Lilliefors Test untuk Pengujian Distribusi Normal dan log normal

Lilliefors Test dikembangkan oleh H.W. Lilliefors pada tahun 1967. Uji ini

termasuk uji spesifik yang merupakan hasil pengembangan uji Kolmogorov-Smirnov,

dan khusus digunakan untuk distribusi Normal (bisa juga untuk distribusi

Lognormal). Uji ini membandingkan fungsi distribusi kumulatif dengan fungsi

distribusi kumulatif normal. Hipotesisnya berupa (Ebeling,1997,p402-404) :

H0 : Data waktu antar kerusakan berdistribusi Normal (Lognormal).

H1 : Data waktu antar kerusakan tidak berdistribusi Normal (Lognormal).

Uji Statistik :

Dn = max {D1,D2}

Dimana :

⎧ ⎛ t − 1 ⎞ i − 1⎫ ⎧⎪ i ⎛ t − t ⎞⎫⎪
D1 = max ⎨Φ⎜ i ⎟− ⎬ ; D2 = max ⎨ − Φ⎜⎜ i ⎟⎬
⎟⎪
1≤i ≤ n ⎩ ⎝ s ⎠ n ⎭ 1≤i ≤ n ⎪⎩ n ⎝ s ⎠⎭
 ∑ (t )
n

n i −t
t
t=∑ i ; s =
2 i =1

i =1 n n −1

t = data waktu kerusakan.

ti = data waktu antar kerusakan ke-i.

s = standar deviasi

n = banyaknya data.

Bila Dn < Dhitung, maka H0 diterima, bila tidak maka H1 yang diterima. Nilai dari

Dhitung diperoleh dari tabel critical values for Kolmogorov-Smirnov test for

normality (Lilliefors test).

2.18 Mean Time To Repair

Untuk dapat menentukan nilai tengah dari fungsi probabilitas untuk waktu

perbaikan maka perlu diketahui terlebih dahulu distribusi data perbaikannya.

Penentuan untuk pengujian ini dapat dilakukan dengan cara yang sama dengan yang

telah dijelaskan sebelumnya. Menurut Ebeling (1997,p192), MTTR diperoleh dengan

menggunakan rumus :

∞ ∞
MTTR = ∫ t ⋅ h(t )dt = ∫ (1 − H (t ))dt
0 0

dimana :

h(t) = fungsi kepadatan peluang untuk data waktu perbaikan

H(t) = fungsi distribusi kumulatif untuk data waktu perbaikan

 Peralatan atau komponen yang dioperasikan dalam suatu mesin, suatu saat secara

tidak terduga akan mengalami kegagalan atau kerusakan. Ketika kerusakan tersebut

terjadi maka komponen harus diganti atau diperbaiki, pada saat ini mesin mengalami

waktu penghentian (downtime). Akibatnya pihak perusahaan akan mengalami

kerugian dari segi biaya akibat kejadian tersebut. Untuk mencegah terjadinya

kegagalan atau kerusakan pada peralatan atau komponen tersebut, maka harus

dilakukan tindakan penggantian, sehingga dapat dilakukan minimasi terhadap total

cost pada waktu operasi mesin. Tindakan preventive maintenance hendaknya

dilakukan pada saat mesin tidak melakukan operasi.

Perhitungan MTTR untuk masing-masing distribusi adalah :

1
• Distribusi Exponential : MTTR =
λ

⎧ ⎛ 1 ⎞⎫
• Distribusi Weibull : MTTR = θ ⎨Γ⎜⎜1 + ⎟⎟⎬ = θ {Γ( x )}
⎩ ⎝ β ⎠⎭

⎛ ⎞
2
s
• Distribusi Lognormal : MTTR = t med .⎜ exp 2 ⎟
⎜ ⎟
⎝ ⎠

• Distribusi Normal : MTTR = μ

2.19 Interval waktu penggantian pencegahan kerusakan untuk meminimasi

total downtime

Penggantian pencegahan dilakukan untuk menghindari terhentinya mesin akibat

kerusakan komponen. Untuk melakukan tindakan perawatan ini, maka harus

diketahui interval waktu antara tindakan penggantian (tp) yang optimal dari suatu

komponen sehingga dicapai minimasi downtime yang maksimal.

• Black Replacement

Jika pada selang waktu tapi tidak terdapat kerusakan, maka tindakan penggantian

dilakukan pada suatu interval tapi yang tetap. Jika sistem rusak sebelum jangka

waktu tp, maka dilakukan penggantian kerusakan dan penggantian selanjutnya

akan tetap dilakukan pada saat tp dengan mengabaikan penggantian perbaikan

sebelumnya.

• Age Replacement

Dalam metode ini tindakan penggantian dilakukan pada saat pengoperasiannya

sudah mencapai umur yang telah ditetapkan yaitu sebesar tp. Jika pada selang

waktu tp terdapat kerusakan, maka dilakukan penggantian sebagai tindakan

korektif. Perhitungan umur tindakan penggantian tp dimulai dari awal lagi dengan

mengambil acuan dari waktu mulai bekerjanya sistem kembali setelah dilakukan

tindakan perawatan korektif tersebut.

Rumus yang digunakan dalam metode ini adalah :

D (tp) =
(total ekspektasi downtime per siklus )
(ekspektasi panjang waktu siklus )
Rumus dari total ekspektasi downtime per siklus adalah :

Total ekspektasi downtime per siklus = Tp * R(tp) + Tf * (1-R(tp))

Keterangan rumus :

Tp = Interval waktu tindakan penggantian pencegahan

R(tp) = Probabilitas suatu siklus tindakan pencegahan

Tf = Interval waktu tindakan perbaikan kerusakan

Reliability waktu siklus pencegahan sama dengan probabilitas dari kerusakan

yang terjadi setelah waktu tp yaitu :

∞
R (tp ) = ∫ f (t )dt
tp

Jadi, probability dari suatu siklus rusak = 1-R(ti)

Ekspektasi panjang waktu siklus = (tp + Tp) * R(tp) + (ekspektasi panjang siklus

kegagalan) * (1-R(tp))

Keterangan rumus :

(tp + Tp) = panjang siklus pencegahan

R(tp) = Probabilitas suatu siklus tindakan pencegahan

(1-R(tp)) = Probabilitas suatu siklus tindakan kegagalan

Untuk menentukan ekspektasi panjang siklus kegagalan, perlu diperhatikan waktu

rata-rata kegagalan / MTTF (Mean Time To Failure), dimana untuk preventive

maintenance diperoleh :

MTTF = ∫ t ⋅ f (t )dt
 Nilai tengah distribusi kerusakan adalah :

M (tp ) =
∫ t ⋅ f (t )dt
1 − R (tp )

Ekspektasi panjang siklus kegagalan =

∫ t ⋅ f (t )dt + Tf
1 − R(tp )

Dengan demikian ekspektasi panjang waktu siklus adalah :

⎡⎛ t ⋅ f (t )dt ⎞⎤
= (tp + Tp ) * R(tp ) + ⎢⎜
∫ + Tf ⎟⎥ ⋅ (1 − R(tp ))
⎢ 1 − R(tp )
⎜ ⎟⎥
⎣⎝ ⎠⎦

= (tp + Tp ) * R (tp ) + ∫ t ⋅ f (t )dt + Tf ⋅ (1 − R(tp ))

Total downtime per 1 siklus (D(tp)) adalah :

Tp ⋅ R (tp ) + Tf ⋅ (1 − R(tp ))
D(tp ) =
(tp + Tp ) ⋅ R(tp ) + ∫ t. f (t )dt +Tf (1 − R(tp ))

2.20 Interval Waktu Pemeriksaan

Selain penggantian pencegahan maka pemeriksaam (inspeksi) juga diperlukan

dalam Preventive Maintenance untuk meningkatkan Availability. Tujuan dari inspkesi

adalah untuk mencegah kegagalan yang tidak terdeteksi terutama pada saat mesin

tidak beroperasi yang disebabkan oleh korosi atau kerusakan mekanik.Yang harus

diingat adalah bahwa inspeksi dapat meningkatkan Availability tetapi tidak dapat

meningkatkan reliabilitas.
 Tindak pemeriksaan juga bertujuan untuk meminimasi downtime mesin akibat

kerusakan yang terjadi secara tiba-tiba. (Jardine, p108). Konstruksi model interval

waktu pemeriksaan optimal tersebut adalah :

1
1. = waktu rata-rata perbaikan
μ

1
2. = waktu rata-rata pemeriksaan
i

Menurut Jardine (p109) total downtime per unit waktu merupakan fungsi dari

frekuensi pemeriksaan (n) dan dinotasikan dengan D(n) yakni

D(n) = downtime untuk perbaikan kerusakan dan downtime untuk pemeriksaan.

λ (n ) n
D(n ) = +
μ i

Keterangan :

λ(n) = laju kerusakan yang terjadi

n = jumlah pemeriksaan per satuan waktu

μ = berbading terbalik dengan 1/ μ

i = berbanding terbalik dengan 1/i

Diasumsikan bahwa laju kerusakan berbanding terbalik dengan jumlah pemeriksaan :

λ (n ) =
k
n

Dan karena

λ (n ) n
D(n ) = +
μ i
Dimana : k = nilai konstan dari jumlah kerusakan per satuan waktu sehingga

diperoleh :

k ×i
n=
μ

2.21 Kehandalan (Reliability) dengan dan Tanpa Preventive Maintenance

Peningkatan Kehandalan dapat ditempuh melalui perawatan pencegahan.

Perawatan pencegahan dapat mengurangi pengaruh wear out dan menunjukkan hasil

yang signifikan terhadap umur sistem.

Menurut Ebeling (1997, p204), model Kehandalan berikut ini mengasumsikan

sistem kembali ke kondisi baru setelah menjalani preventive maintenance.

Kehandalan pada saat t dinyatakan sebagai berikut :

Rm (t ) = R(t ) untuk 0 ≤ t ≤ T

Rm (t ) = R(T ) ⋅ R(t − T ) untuk T ≤ t ≤ 2T

Dimana :

T adalah interval waktu penggantian pencegahan kerusakan.

Rm(t) adalah Kehandalan (reliability) dari sistem dengan perawatan pencegahan.

R(t) adalah Kehandalan sistem tanpa perawatan pencegahan.

R(T) adalah peluang dari Kehandalan hingga perawatan pencegahan pertama.

R(t-T) adalah peluang dari Kehandalan antara waktu t – T setelah sistem

dikembalikam pada kondisi awal pada saat T.

Secara umum persamaannya :

Rm (t ) = R(T ) ⋅ R(t − nT ) untuk nT ≤ t ≤ (n + 1)T

n

n = 0,1,2,...

R(t)n adalah probabilitas dari Kehandalan hingga n selang waktu perawatan.

R(t-nT) adalah probabilitas dari Kehandalan untuk waktu t – nT dari perawatan

preventif terakhir.

Untuk laju kerusakan yang konstan : R(t ) = e − λt maka,

( )
Rm (t ) = e −λt
n
⋅ e − λt
( t − nT )
= e − λnt ⋅ e − λt ⋅ e λnt = e − λt = R (t )

Ini adalah bukti yang mereflesikan bahwa distribusi eksponensial, yang memiliki

laju kerusakan konstan, bila dilakukan preventive maintenance tidak akan

menghasilkan dampak apapun. Dengan demikian, tidak ada peningkatan reliability

seperti yang diharapkan.